Amazonにおけるユーザレビューの特徴分析
16
0
0
全文
(2) 2. 商経論叢. 第54巻 第２号. Amazonに限らず、ユーザレビューには他のユーザによる評価が可能となっているが、楽 天、食べログ、カカクコム、＠コスメなど国内の有力ECサイトあるいはレビューサイトに おいては、賛同数だけが表示される一方、Amazonにおいては「反対票」の数まで明確にわ かる仕組みになっている（図１，２，３，４，５）。. 図１. Amazonの賛同数表示. 図２. 楽天の賛同数表示. 図３. カカクコムの賛同数表示. 図４. 食べログの賛同数表示. 図５. ＠コスメの賛同数表示. また、レビューの内容は玉石混合であるため、レビューの品質保証に対してAmazonは 次々と対策をとった。発売前の予約可能商品に対するレビュー投稿の禁止（09年）、Amazonにより決定されるレビュアーランキングの上位 1,000、500、100、50、10位以内のレ.
(3) Amazon におけるユーザレビューの特徴 析. 3. ビュアーに対する「ベストレビュアー」「殿堂入りレビュアー」認定の表示（10年） 、優良 レビュアーの一部の顧客に対してレビュー投稿を条件に商品を無料提供する招待制 Vine プログラム（10年） 、Amazonで購入した商品に対するレビューに「Amazonで購入済み」 の認証表示が与えられる（12年）などが挙げられる。 「ベストレビュアー」や「VINEメン バー」はレビュー本文の上部に「バッジ」として表示される（図６） 。購入認証も同位置に 表示される。 また、楽天、食べログ、カカクコム、＠コスメのレビューページの初期画面においては、 ユーザレビューを新着順に表示するが、Amazonにおいては、賛同数の高い順にユーザレ ビューを表示する（図７，８）。. 図６. 殿堂入り」「VINE」メンバーと「Amazon.co.jpで購入済み」認証のバッジ. このように、Amazonは「バッジ」の表示と初期画面の表示方法とで、ユーザに対して最 も優良なレビューを最優先に紹介する策をとっている。.
(4) 4. 商経論叢. 第54巻 第２号. 図７. Amazonのレビューページ（初期画面）の例.
(5) Amazon におけるユーザレビューの特徴 析. 5. 図８. 食べログのレビューページ（初期画面）の例. ３. 研究の目的 オンラインショッピングが一般的となるにつれて、ユーザレビューを対象とした研究が 見られるが、ユーザレビュー本文と対象商品との関連 ［5］ ［6］やユーザレビュー本文とユー ザの評価値との関連 ［7］ ［8］に見られるような、ユーザレビューと他との関係性に関する研 究が多い。筆者は、オンラインショッピング時代のマーケティング活動において不可欠と される「AISAS」の最後の「Ｓ（Share） 」の計量を目標として、ユーザレビューに対する 他のユーザからの「参. になった」ボタンのクリック回数（賛同数）に着目し、それと他. の採取可能なレビュアー並びにレビュー本文に関する属性との関係性を ず、必要に応じた数のユーザレビューを回収してレビュー本文を品詞. 察している。ま 解した後にデータ. ベースで管理するMorpheme Database System（M DS）を開発した ［9］。さらに、MDS.
(6) 6. 商経論叢. 第54巻 第２号. を 用して食べログのユーザレビュー約 6000件を回収し、 賛同数と高い相関を有するのは 名詞や形容詞、動詞の出現回数（語数）だけであり、投稿日時や投稿者の過去の投稿回数、 ５段階評価の他の属性は賛同数と相関がないことを述べ、ユーザはレビュー本文を読んだ 感想に. って評価している可能性を指摘した［3］。しかし、前述のようにAmazonではユー. ザビリティ上の工夫がなされているため、すでに高い賛同数を得ているユーザレビューが 優先的に評価される可能性がある。また、ユーザレビューの品質保証に向けた独自の施策 がなされているため、ユーザがレビューを評価する際に「ベストレビュアー」や「Amazon. co.jpで購入済み」のバッジが影響を与えている可能性がある。すなわち、１. 賛同数の偏 りが食べログよりも顕著となる可能性、２. 「バッジ」の有無が賛同数の多寡として観測で きる可能性、が. えられる。逆に、これらが見られず、語数とのみ相関を持つ場合は、. Amazonによるユーザレビュー品質保持に向けた策に囚われることなく、ユーザによる評 価が行われていることを示唆する。 そこで、本研究では、食べログに対して行った研究をAmazonにも適用し、Amazonの 様々な施策がユーザレビューの賛同数に影響する可能性について議論する。具体的には、 Amazonで数百規模の賛同数を持つ商品をいくつかピックアップし、それらのレビュー ページに対してMDSを適用して投稿者並びにレビュー本文について採取可能な属性値を 獲得し、賛同数の. 布について食べログと同様の結果が得られるかどうかを検証する。そ. の後、上記１及び２を検証する。. ４. 研究手法 4.1. MDSの適用 Amazonでは、販売品目が 75カテゴリーに. けられている（2013年 11月現在）。［3］と. 同様のサンプル数とするため、価格や消費時間が異なる４品目から、レビュー数が 300を 超える４商品の計 16商品を選び（表１）、それぞれの商品のレビューページに対してMDS を適用して、採取可能な属性を採取した。 レビュー数は 9199であった。図９に示すよう に、M DSは 9199のレビューページへ個別にアクセスし、８個の属性値「賛同数 （thanks） 」 「投稿日（date）」 「投稿者の過去の投稿数（result） 」 「投稿者のランキング （ranking） 」 「バッ ジ（badge）の有無」 「Amazonで購入済認証（verify）の有無」「レビュー本文に出現する 動詞，名詞，形容詞の種類の合計（words） 」を採取ないしは計算した後、データベースへ 格納する。.
(7) Amazon におけるユーザレビューの特徴 析. これに加えて、Amazonでは「○○人中××人が参 「参. 7. になった」と表示されることから、. にならなかった」ボタンがクリックされた回数を採取することができる。そこで、. 単なる人数ではない「賛同率（rate）」を属性として加える。なお、投稿日とは、最初のレ ビューが投稿された日からそのレビューが投稿された日までの間隔とした。. 表１. 研究対象とした 16商品の品目とレビュー数. 図 9. レビュアー i の商品 j に対するレビューへ対するMDSの機能 (thanks：賛同数、rate：賛同率、star：評価値、date：投稿日付、words：語数、 ranking：投稿者ランキング、result：投稿者の過去の投稿数、 「VINEメンバー」等のバッジの有無、 badge：「ベストレビュアー」 verify：「Amazon.co.jpで購入済み」認証の有無）.
(8) 8. 4.2. 賛同数の. 商経論叢. 第54巻 第２号. 布調査. Amazonではレビューページの初期画面でユーザレビューを「有用になった」順に表示し ているため、賛同数が高いレビューが優先的に閲覧される。そのため、新着順に表示する 食べログよりも、賛同数の. 布の偏りが激しい可能性が. えられる。. 4.3. バッジの有無と賛同率に関する調査 賛同数あるいは賛同率と、他の属性との相関係数が、 「ベストレビュアー」や「VINEメ ンバー」等のバッジを有するユーザレビュー集合とそうでない無印のユーザレビュー集合 とで異なるかどうかを調査する。. 4.4. Amazon.co.jpで購入済み」認定の有無と賛同率に関する調査 賛同数あるいは賛同率と、それらと他の属性との相関係数が、「Amazon.co.jpで購入済 み」の認定があるユーザレビュー集合とそうでないユーザレビュー集合とで異なるかどう かを調査する。. ５. 研究結果 食べログにおいては、ユーザレビューへの賛同数の. 布はべき乗. 布状であった。べき. 乗 布であることは、ヒストグラムの両対数グラフにおいて、右下がりの直線に ることで確認できる。図 10∼17に、16商品のユーザレビューに対する賛同数. ってい. 布ヒストグ. ラムの両対数グラフを示す。いずれも、横軸は頻度の常用対数、縦軸は賛同数の幅の常用 対数であり、賛同数の幅は各商品に対するユーザレビューの最大の賛同数の 2.5％刻みと した。.
(9) Amazon におけるユーザレビューの特徴 析. 図 10. TVゲームＡ、Ｂの賛同数ヒストグラムの両対数グラフ. 図 11. TVゲームＣ、Ｄの賛同数ヒストグラムの両対数グラフ. 9.
(10) 10. 商経論叢. 第54巻 第２号. 図 12. 書籍Ａ、Ｂの賛同数ヒストグラムの両対数グラフ. 図 13. 書籍Ｃ、Ｄの賛同数ヒストグラムの両対数グラフ.
(11) Amazon におけるユーザレビューの特徴 析. 図 14. 映画Ａ、Ｂの賛同数ヒストグラムの両対数グラフ. 図 15. 映画Ｃ、Ｄの賛同数ヒストグラムの両対数グラフ. 11.
(12) 12. 商経論叢. 第54巻 第２号. 図 16. 家電Ａ、Ｂの賛同数ヒストグラムの両対数グラフ. 図 17. 家電C、Dの賛同数ヒストグラムの両対数グラフ. いずれも、右下がりの直線状となっており、食べログと同様に、多数の賛同数を有する ユーザレビューはごく少数に限られていることが. かる。. 次に、Amazonにおけるレビューページの初期画面が与える影響について検証する。Amazonの 16商品と食べログの 16店舗のユーザレビューの賛同数ヒストグラムを比較する ため、賛同数ヒストグラムの両対数グラフを縦横軸について標準化したものを図 18に示 す。Amazonにおける. 布は食べログにおける. おり、下部に多くのデータが集合している。. 布よりも直線より下にデータが集まって.
(13) Amazon におけるユーザレビューの特徴 析. 図 18. 賛同数. 13. 布の偏りの違い. 次に、バッジと購入認証の有無が、それぞれ賛同数にどのような影響を与えるかを検証 した。16商品のユーザレビューを「バッジ有」と「バッジなし」に て相関. 析を行い、平. け、それぞれについ. 値を算出したものを表２に示す。また、同様に 16商品のユーザレ. ビューを購入認証の有無でわけ、相関. 析を行って平. 値を算出したものを表３に示す。. いずれの表においても、有の方が賛同数と賛同率の相関値が若干高いこと、賛同値ある いは賛同率と相関が高いのは語数の他に投稿日と投稿者ランキングが挙げられること、投 稿者の過去の投稿数は相関がないことが共通している（投稿日は最初の投稿がなされてか らの日数、投稿者ランキングは少ないほど高位であることから、相関値は初期の投稿ほど、 あるいは高位のランキングであるほど、負の値となる） 。.
(14) 14. 商経論叢. 第54巻 第２号. 表２. バッジの有無と相関係数（16商品の平. 表３. 購入認証の有無と相関係数（16商品の平. ６.. 値）の違い. 値）の違い. 察. 6.1. 賛同数の. 布について. データの 布における偏りが大きいと、ヒストグラムを両対数グラフとした場合に、比 較的多くのデータが下部に集まり、集合の形状は下に凸に近い形状となる。 図 18によれば、 Amazonにおいては食べログよりもその傾向が強い。すなわち、Amazonは食べログよりも 賛同数. 布の偏りが激しい。Amazonのレビューページの表示方法が食べログと異なり 「有. 用性の高い順」に表示されるため、ユーザは一部のユーザレビューを優先的に評価した可 能性を. えることができる。. 6.2. バッジの有無と購入認証の有無について 賛同数と賛同率の相関値がいずれも有の方が若干高かった点については、ベストレビュ アーやVINEメンバー、あるいはAmazonで購入したことが明確なユーザレビューの方が、.
(15) Amazon におけるユーザレビューの特徴 析. 15. 「参. にならなかった」よりも「参. になった」ボタンをクリックされる頻度が比較的高. いと. えることができる。ベストレビュアーは投稿者ランキングの高位者であり、VINEメ. ンバーは Amazonから優良と認定されたユーザなので、賛同を得られやすいユーザレ ビューを投稿する頻度が高いためと. えることができる。. 賛同数や賛同率と相関が高い属性として語数の他に投稿日と投稿者ランキングが挙げら れることは、より初期の投稿ほど、あるいはより高位なランキングのユーザほど、賛同数 が高くなる傾向にあることを示している。食べログについては投稿日に関しては相関が見 られなかったにも関わらずAmazonにおいては相関がみられた点については、 「有用性の高 い」順に表示される期間が長いことが. えられる。すなわち、ユーザレビューが極めて少. ない初期の段階で高い賛同数を持つユーザレビューほど、その後に賛同数を高めることが できると. えられる。これは、新規のユーザレビューが賛同を得るには 「質的に」高いハー. ドルが用意されていると解釈可能であろう。 投稿者の過去の投稿数が賛同数や賛同率と相関がなかった点については、食べログにお ける結果と一致する。これは、高い賛同数を持つユーザレビューの投稿者が、必ずしも過 去の投稿数が多いとは限らないことを表している。. ７. まとめと課題 本研究は、ユーザレビューの品質向上と表示方法において食べログにはない策を施して いる Amazonでは、ユーザレビューの賛同数 M DSを適用して賛同数の 食べログ同様にべき乗. 布が食べログと異なるとの仮説を立て、. 布とその他の属性との相関を調査した。その結果、 布自体は. 布に従うがその形状はより偏りが激しいこと、賛同率はバッジや. 購入認証があるほど高くなる傾向があることから、賛同数や賛同率は語数だけでなく投稿 日や投稿者ランキングが相関を有することがわかり、Amazonのユーザレビューに対する 策が、賛同数の. 布や相関に影響を与えていることに言及した。. 賛同数と投稿日に相関が見られたことについては、より初期の段階で賛同数を高める傾 向があることから、複雑ネットワークにおけるBAモデル［10］のような、優先的選択モデ ルとして. 察が可能である。 また、 ランキングやバッジは高い賛同数を持つユーザレビュー. を多数投稿した結果と. えることが妥当であるために賛同数との相関は解釈できるが、賛. 同数と語数の相関の原因については、食べログ同様に確認することができた。レビュー本 文のどのような特徴が賛同数を高めるのかについて、今後の課題としたい。.
(16) 16. 商経論叢. 第54巻 第２号. 参. 文献. ［１］. アップル、アマゾン、グーグルの競争戦略 ，雨宮 寛二，エヌティティ出版，2012. ［２］. ネット通販大解明. ［３］. インターネット上のユーザレビューの品質. ［４］. アマゾンの秘密 ，. ［５］. ECサイトにおけるユーザレビューが購買行動に与える影響に関する研究について ，江川雄太 他，情報処理. ，週刊東洋経済増刊，2013年 布とその要因 ，髙木昇、商経論叢、第 54巻第１号、2013年. 本晃一, ダイヤモンド社，2005年. 学会，全国大会講演論文集⑴，pp. 591-593，2011 ［６］. オンラインショッピングサイトにおけるレビューを用いた商品対の目的判定による商品推薦 ，本田達也. 他，情報処理学会関西支部大会，2012年 ［７］. レビュー文を利用したランキング関数の特徴量の提案 ，大知正直 他，人工知能学会 情報編纂研究会. ４回研究会 ［８］. 第. pp. 1-8，2011. 相関ルールに基づく外れ値検出手法を用いたユーザレビュー情報の. 析 ，情報処理学会，高橋毅，天笠俊. 之，北川博之，全国大会講演論文集⑴，pp. 589-591，2011 ［９］ 山本久義，平野英一他， 九州マーケティングの探求 ，九州産業大学産業経営研究所叢書，pp.197-240，2013 ［10］. Emergence of scaling in random networks ,Barabasi,A.-L.,and Albert,R.,Science 286,pp. 509-512,. 1999年.
(17)
図
+2
関連したドキュメント
、肩 かた 深 ふかさ を掛け合わせて、ある定数で 割り、積石数を算出する近似計算法が 使われるようになりました。この定数は船
LF/HF の変化である。本研究で はキャンプの日数が経過するほど 快眠度指数が上昇し、１日目と４ 日目を比較すると 9.3 点の差があ った。
（ａ） ケースは、特定の物品を収納するために特に製作しも
モノづくり，特に機械を設計して製作するためには時
妥当性・信頼性のある実強度を設定するにあたって，①
（３） 貨物の性質、形状、機能、品質、用途その他の特徴を記載した書類 商品説明書、設計図面等. （４）
・グリーンシールマークとそれに表示する環境負荷が少ないことを示す内容のコメントを含め
を占めており、給湯におけるエネルギー消費の抑制が家庭
